数据仓库 - 术语

• 

  简述

  在本章中，我们将讨论数据仓库中一些最常用的术语。
• 

  元数据

  元数据被简单地定义为关于数据的数据。用于表示其他数据的数据称为元数据。例如，一本书的索引作为书中内容的元数据。换句话说，我们可以说元数据是将我们引向详细数据的汇总数据。

  在数据仓库方面，我们可以定义元数据如下 -

  • 元数据是数据仓库的路线图。
  • 数据仓库中的元数据定义了仓库对象。
  • 元数据充当目录。该目录帮助决策支持系统定位数据仓库的内容。
• 

  元数据存储库

  元数据存储库是数据仓库系统的组成部分。它包含以下元数据 -

  • 业务元数据− 它包含数据所有权信息、业务定义和更改策略。
  • 操作元数据− 它包括数据流通和数据沿袭。数据流通指的是处于活动状态、存档或清除的数据。数据沿袭意味着数据迁移和应用转换的历史。
  • 用于从操作环境映射到数据仓库的数据− IT元数据包括源数据库及其内容、数据提取、数据分区、清洗、转换规则、数据刷新和清除规则。
  • 摘要算法− 包括维度算法、粒度数据、聚合、汇总等。
• 

  数据立方体

  数据立方体帮助我们以多个维度表示数据。它由维度和事实定义。维度是企业保存记录所涉及的实体。

  数据立方体的插图

  假设一家公司想借助销售数据仓库跟踪销售记录的时间、项目、分支机构和位置。这些维度允许跟踪月度销售额以及商品在哪个分支机构售出。每个维度都有一个表。该表称为维度表。例如“item”维度表可能有item_name、item_type、item_brand等属性。

  下表表示公司销售数据在时间、项目和位置维度方面的二维视图。

  

  但是在这个二维表中，我们只有关于时间和项目的记录。新德里的销售额按时间显示，并且根据所售商品的类型显示商品尺寸。如果我们想查看更多维度的销售数据，比如位置维度，那么 3-D 视图会很有用。下表显示了有关时间、项目和位置的销售数据的 3-D 视图 -

  

  上面的 3-D 表可以表示为 3-D 数据立方体，如下图所示 -

  
• 

  数据库

  数据集市包含组织范围内数据的子集，这些数据对组织中的特定人群很有价值。换句话说，数据集市只包含那些特定于特定组的数据。例如，营销数据集市可能只包含与商品、客户和销售相关的数据。数据集市仅限于主题。

  关于数据集市的注意事项

  • 基于 Windows 或基于 Unix/Linux 的服务器用于实现数据集市。它们在低成本服务器上实现。
  • 数据集市的实施周期是以较短的时间段来衡量的，即以周而不是月或年为单位。
  • 如果数据集市的规划和设计不是在组织范围内进行的，那么从长远来看，数据集市的生命周期可能会很复杂。
  • 数据集市的规模很小。
  • 数据集市按部门定制。
  • 数据集市的来源是部门结构的数据仓库。
  • 数据集市是灵活的。

  下图显示了数据集市的图形表示。

  
• 

  虚拟仓库

  操作数据仓库的视图称为虚拟仓库。建立虚拟仓库很容易。构建虚拟仓库需要操作数据库服务器的超额容量。